Автоматично извличане на ключови показатели от годишни отчети

Току-що изтеглихте годишен отчет от 247 страници. Някъде вътре се крият дванадесетте числа, които всъщност ви трябват: приходи, нетна печалба, печалба на акция, общи активи, общи пасиви, оперативен паричен поток, EBITDA и няколко маржове. Останалото е стандартен текст, правни разкрития и стокови снимки на усмихнати служители.

Намирането на тези числа не е трудното. Те са в секцията с финансови отчети, обикновено започваща около страница 80. Трудното е да ги извадите от PDF файла и да ги въведете във вашия модел във формат, с който можете реално да работите. И след това да го направите отново за следващите двадесет компании във вашия обхват. И след това да го направите отново за последните пет години на всяка компания, за да изградите времева серия.

Това е проблемът с извличането на данни от годишни отчети и той струва на екипите за капиталови анализи, кредитни анализатори и портфолио мениджъри хиляди часове всяка година. Глобалният пазар на софтуер за извличане на данни се очаква да достигне 3,64 милиарда долара до 2029 г., нараствайки с 15,9% годишно, движен до голяма степен от финансови професионалисти, които са уморени от копиране на числа от PDF таблици в Excel.

Това ръководство обхваща какво прави извличането на данни от годишни отчети уникално трудно, кои показатели да се търсят и как да се автоматизира процесът, така че да можете да посветите времето си на анализ, вместо на въвеждане на данни.

Предизвикателството при извличане на данни от годишни отчети

Годишните отчети не са като други PDF документи. Банково извлечение има предвидима структура: дата, описание, сума, салдо, повтарящо се за всяка трансакция. Фактура има заглавна част, редове с артикули и обща сума. Тези документи следват модели, които инструментите за извличане могат бързо да научат.

Годишните отчети са различни. Те са дълги, сложни и структурно непоследователни документи, които комбинират:

• Поточен наративен текст в писмото на главния изпълнителен директор, Дискусия и анализ от ръководството (MD&A) и секциите с рискови фактори
• Плътни финансови таблици в отчета за доходите, баланса и отчета за паричните потоци
• Бележки под линия и анотации, които квалифицират, коригират или преизчисляват числата в тези таблици
• Диаграми и графики, които визуализират тенденции, но не съдържат машинно четими данни
• Таблици за сегментно отчитане с разбивки по географски райони, бизнес звена или продуктови линии
• Многогодишни сравнения, които представят данни за две или три години една до друга

Типичен 10-K файл е от 100 до 300 страници. Самите финансови отчети могат да заемат 30 до 40 страници, но бележките към финансовите отчети - където се крие истинската детайлност - могат да достигнат още 50 или 60. Останалото е правен език, рискови фактори, таблици за възнагражденията на ръководството и разкрития за управлението.

Защо стандартното копиране и поставяне се проваля

Ако някога сте се опитвали да изберете таблица в PDF годишен отчет и да я поставите в Excel, знаете резултата: колоните се сливат, числата се пренасят в грешни редове, а маркерите за бележки под линия се вграждат във вашите данни.

PDF файловете не съдържат таблици. Те съдържат отделни символи, позиционирани на точни x,y координати върху платно. Това, което изглежда като чиста таблица, всъщност е стотици отделни команди за позициониране на текст без разделители на редове, граници на колони или препратки към клетки. Копирането и поставянето игнорира тези пространствени връзки напълно.

Годишните отчети влошават това, защото многоредови заглавия като "Нетна печалба, дължима на обикновените акционери" трябва да бъдат един ред. Отрицателни числа в скоби като $(1,234) са три отделни позиционирани елемента, които се разделят на отделни клетки. Надписванията за бележки под линия повреждат числата. А сравнителните колони често се сливат.

Кошмарът на ръчното извличане

Традиционният подход е груба сила. Анализатор отваря годишния отчет, навигира до отчета за доходите и ръчно въвежда всяко число в електронна таблица. След това баланса. След това отчета за паричните потоци. След това данните по сегменти. След това бележките под линия.

За една компания това отнема 30 до 60 минути. Но финансовият анализ рядко включва една компания. Анализаторите на капиталови пазари обикновено покриват 10 до 25 компании. Кредитните анализатори може да се нуждаят от данни от 50 или повече заемодатели. Двадесет компании по 45 минути всяка означават 15 часа въвеждане на данни на отчетен период - 60 часа годишно само за копиране на числа от PDF файлове.

Процентът на грешките го влошава. Ръчното въвеждане на данни има документиран процент на грешки от 1 до 4 процента. Приходи от 4 521 милиона долара, въведени като 4 512 милиона долара, изкривяват вашата норма на растеж, изчисления на маржовете, мултипликатор EV/Приходи и всяка последваща прогноза, която зависи от това.

Какво всъщност извличат анализаторите

Не всяко число в годишен отчет има еднаква тежест. Финансовите професионалисти обикновено се насочват към конкретен набор от показатели в зависимост от техния случай на употреба. Ето върху какво се фокусират повечето работни процеси за извличане.

Показатели от отчета за доходите

Показатели от баланса

Показатели от отчета за паричните потоци

Производни коефициенти и маржове

След като суровите показатели бъдат извлечени, анализаторите изчисляват:

• Брутен марж: Брутна печалба / Приходи
• Оперативен марж: Оперативна печалба / Приходи
• Нетен марж: Нетна печалба / Приходи
• Възвръщаемост на собствения капитал (ROE): Нетна печалба / Акционерен капитал
• Възвръщаемост на активите (ROA): Нетна печалба / Общо активи
• Дълг към собствен капитал: Общ дълг / Акционерен капитал
• Коефициент на текуща ликвидност: Текущи активи / Текущи пасиви
• Покритие на лихвите: EBIT / Разходи за лихви

Тези коефициенти изискват чисто и точно извличане на основните компоненти. Едно грешно число компрометира целия коефициент.

Структурирани данни, заровени в неструктурирани документи

Основното техническо предизвикателство е, че структурираните данни - числа с точни значения и връзки - са вградени в неструктурирани документи. Финансовият отчет е таблица, но се намира в PDF файл, който също съдържа наративни параграфи, правни откази от отговорност, изображения и заглавия на страници.

Това създава няколко проблема при извличането, освен простото разпознаване на таблици:

• Контекстуално зависими числа. Числото "12 345" означава различни неща в зависимост от това къде се появява. В реда за приходи означава 12 345 милиона (или хиляди, в зависимост от отчетната единица, посочена в горната част на финансовите отчети). В раздел "Възнаграждения на ръководството" може да означава 12 345 долара. Ефективното извличане изисква разбиране към коя секция принадлежи числото и какво казват заглавията на колоните и единиците за измерване.
• Вложени и обхващащи таблици. Таблиците в годишните отчети използват обединени клетки за заглавия на секции, вдлъбнати подпозиции под родителски категории, междинни суми, редуващи се с редови позиции, многогодишни сравнителни колони и празни разделителни редове. Наивен инструмент за извличане третира всеки визуален елемент като точка от данни, произвеждайки неправилно подравнени електронни таблици, пълни с призрачни редове и обединени стойности.
• Препратки към бележки под линия. Приходи от "12 345^(1)" стават "12345 1", когато се извличат без семантично разбиране. Надписът е отделен позициониран символ в PDF файла. Инструментите за извличане или го премахват (губейки препратката), или го включват (повреждайки числото).

Как AI извличането обработва годишни отчети

Извличането, задвижвано от AI, предприема фундаментално различен подход. Вместо да разчита изцяло на пространствен анализ - откриване на редове и колони въз основа на позициите на символите - то комбинира пространствена осведоменост със семантично разбиране.

Разпознаване на таблици, осъзнаващо оформлението, надхвърля търсенето на мрежови линии (много финансови таблици нямат видими граници). Системата анализира модели на разстояние между символите, подравняване на десетични знаци, повторение на форматирането и заглавни редове, за да открие границите на таблиците. Тя може да различи наративен параграф, който случайно съдържа числа, от таблица с финансови данни с подравнени колони.

Разпознаване на семантични полета идентифицира какво представлява всяка колона и ред. Разпознава, че "Приходи", "Нетни продажби", "Общо приходи" и "Нетни приходи" се отнасят за едно и също понятие. Разбира, че "(1 234)" във финансов контекст означава минус 1 234, а не препратка към бележка под линия. Това е важно, тъй като конвенциите за именуване варират значително между компаниите - една отчита "Акционерен капитал", докато друга използва "Собствен капитал" или "Общ капитал".

Продължения на многостранични таблици се обработват чрез разпознаване на повтарящи се модели на заглавия и последователно подравняване на колони през прекъсванията на страниците. Отчетът за доходите може да започне на страница 84 и да продължи на страница 85, а AI извличането съшива данните в една кохерентна таблица.

Ключови секции, към които да се насочите в годишните отчети

Не всяка секция от годишен отчет съдържа извличаеми финансови данни. Знанието къде да се фокусирате спестява време и подобрява точността.

Финансовите отчети са основната цел за извличане: Консолидирани отчети за доходите, Баланси, Парични потоци и Акционерен капитал. Тези четири отчета съдържат суровите числа, които задвижват финансовите модели.

Дискусия и анализ от ръководството (MD&A) е мястото, където ръководството обяснява числата. Често съдържа не-GAAP показатели като коригирани EBITDA и свободен паричен поток, разбивки по сегменти и прогнози за бъдещето - всички вградени в наративни параграфи, а не в таблици. AI извличането може да идентифицира и извлече тези цифри, но те изискват повече контекстуално разбиране от данните в таблици.

Отчитане по сегменти разбива резултатите по бизнес звена, географски райони или продуктови линии. Тези данни са от съществено значение за оценка "сума на частите". Таблиците по сегменти често имат нестандартни структури със заглавия на сегменти като заглавия на колони и елиминиране между сегментите, което добавя отрицателни редове.

Бележки към финансовите отчети съдържат най-подробните данни: графици за дълга с падежни дати, разпределение на приходите по продукти или географски райони, задължения по лизинг, пенсионни детайли, корекции на данъчни ставки и разбивки на гудуил по сегменти. Те са най-трудни за извличане, тъй като смесват наративен текст с малки вградени таблици.

Рискови фактори са предимно качествени, но понякога съдържат количествени разкрития: проценти на концентрационен риск, резерви за съдебни спорове или изисквания за регулаторен капитал, заровени в параграфи правен език.

Извличане на данни от годишни отчети с PDFSub

PDFSub предоставя два инструмента, специално пригодени за извличане на данни от годишни отчети: инструмента Извличане на таблици и Анализатор на финансови отчети.

Извличане на таблици: Вкарване на финансови отчети в електронни таблици

Инструментът "Извличане на таблици" открива и извлича таблични данни от PDF документи. За годишни отчети това означава:

1. Качване на PDF годишен отчет - Плъзнете и пуснете файла. За дигитални PDF файлове, изтеглени от SEC EDGAR или страниците за връзки с инвеститорите на компанията, първоначалната обработка се извършва във вашия браузър. Файлът не напуска вашето устройство, освен ако не е необходима AI обработка от страна на сървъра.
2. Автоматично откриване на таблици - Инструментът идентифицира всички таблични региони в документа, включително многостранични таблици, които обхващат прекъсвания на страници.
3. Преглед на извлечените таблици - Всяка открита таблица се показва с извлечените данни. Можете да проверите дали колоните са правилно подравнени и стойностите са точни.
4. Експортиране в Excel или CSV - Изтеглете извлечените таблици във формати, готови за финансово моделиране.

Този подход работи добре за основните финансови отчети (отчет за доходите, баланс, паричен поток), където данните са представени в ясен табличен формат.

Анализатор на финансови отчети: AI-извличане на показатели

Анализаторът на финансови отчети надхвърля извличането на таблици. Той използва AI, за да чете целия документ, да разбира неговата структура и да извлича специфични финансови показатели - включително тези, вградени в наративен текст или бележки под линия.

За годишни отчети анализаторът може:

• Да идентифицира и извлече ключови финансови показатели от всички секции на документа
• Да извлече не-GAAP показатели от MD&A секцията
• Да извлече данни по сегменти от таблици за отчитане
• Да разпознава и обработва различни конвенции за именуване на един и същ показател
• Да предоставя контекст за извлечените числа, включително отчетния период и единицата за измерване

Комбиниране на двата инструмента

Най-ефективният работен процес за годишни отчети комбинира двата подхода:

1. Използвайте Извличане на таблици, за да вкарате структурираните финансови отчети (отчет за доходите, баланс, паричен поток) в Excel с пълна таблична точност.
2. Използвайте Анализатор на финансови отчети, за да извлечете специфични показатели от наративни секции, бележки под линия и нестандартни таблици.
3. Кръстосано проверете резултатите, за да потвърдите точността.

И двата инструмента са налични с 7-дневния безплатен пробен период на PDFSub, така че можете да ги тествате с вашите реални годишни отчети, преди да се ангажирате.

Експортиране в Excel и CSV за финансово моделиране

Извличането е полезно само ако резултатът пасва на вашия работен процес. Извлечените таблици се експортират като .xlsx файлове с правилно въведени числови клетки, запазено подравняване на колоните, отделни листове за всяка таблица и чисти заглавия. За анализатори, които предпочитат CSV (често срещан за бази данни и скриптови инструменти), получавате изход с разделители запетая и UTF-8 кодиране, и по един файл за всяка извлечена таблица.

Типичен работен процес след извличане: извличане на отчета за доходите, баланса и отчета за паричните потоци; импортиране на трите таблици във вашия шаблон за модел; съпоставяне на имена на полета с вашите стандартизирани етикети на редове; проверка на съвпадението на сумите; изчисляване на производни коефициенти; и изграждане на времеви серии чрез повтаряне за предишни годишни отчети. Това замества ръчното въвеждане и намалява общото време от 45 минути до под 5 минути на компания.

Случаи на употреба: Кой извлича данни от годишни отчети

Капиталови анализи. Анализаторите изграждат финансови модели с 5 до 10 години исторически данни и 3 до 5 години прогнози. Обхват от 15 компании означава извличане на данни от 15 годишни отчета и 60 тримесечни отчета годишно. Автоматизираното извличане превръща това от упражнение за въвеждане на данни, продължаващо няколко дни, в задача за един ден.

Кредитен анализ. Кредитните анализатори оценяват кредитоспособността на заемодателите, използвайки Дълг/EBITDA (ливъридж), EBITDA/Лихвени разходи (покритие), Коефициент на текуща ликвидност (ликвидност) и Дълг/Общ капитал (капиталова структура). Портфолиото от заеми на търговска банка може да съдържа стотици заемодатели, всеки от които подава годишни финансови отчети, от които трябва да бъдат извлечени тези показатели.

Бенчмаркинг и конкурентен анализ. Сравняването на компания с нейните конкуренти изисква извличане на едни и същи показатели от 5 до 15 годишни отчета, нормализиране за различни крайни дати на финансовата година, отчетни единици и счетоводни стандарти (US GAAP срещу IFRS).

Мониторинг на портфейл. Инвестиционните мениджъри, които следят 30 до 100 холдинга, извличат стандартен набор от мониторингови показатели тримесечно: ръст на приходите, тенденция на маржа на EBITDA, нетeн дълг/EBITDA, доходност от свободен паричен поток и възвръщаемост на инвестирания капитал. Автоматизираното извличане прави това възможно в голям мащаб.

Многогодишно извличане: Изграждане на времеви серии от данни

Финансовият анализ е фундаментално свързан с тенденциите: Ускорява ли се ръстът на приходите? Разширяват ли се маржовете? Намалява ли компанията дълга си? Отговарянето на тези въпроси изисква времеви серии от данни, обхващащи поне три до пет години.

Подход 1: Извличане от всеки годишен отчет

Годишните отчети обикновено представят данни за приходите за две години (текуща и предходна) и данни за баланса за две години. Някои включват сравнителни отчети за доходите за три години.

За да изградите петгодишна времева серия, трябва да извлечете данни от три годишни отчета:

• Годишен отчет за 2025 г.: Съдържа данни за 2025 и 2024 г.
• Годишен отчет за 2023 г.: Съдържа данни за 2023 и 2022 г.
• Годишен отчет за 2021 г.: Съдържа данни за 2021 и 2020 г.

Това ви дава припокриващи се години (2024 г. се появява както в отчета за 2025 г., така и в отчета за 2024 г.), които служат като кръстосана проверка.

Подход 2: Използване на "Избрани финансови данни" от 10-K

Някои компании включват таблица "Избрани финансови данни", която представя пет до десет години ключови показатели в една таблица. Когато е налична, това е най-бързият път към многогодишна времева серия. Въпреки това, SEC премахна изискването за тази таблица през 2021 г. и много компании оттогава я изоставиха.

Подход 3: Извличане от XBRL данни на SEC EDGAR

За публични компании в САЩ, подаването на документи в SEC включва XBRL- маркирани данни, които са машинно четими без PDF извличане. Системата EDGAR на SEC предоставя RESTful API, доставящи данни във формат JSON за стандартизирани редове. Въпреки това, XBRL има ограничения: персонализирани редове може да не са маркирани последователно, не-GAAP показатели рядко са налични, данни по сегменти може да липсват, а редът на представяне може да не съответства на оригиналния документ. PDF извличането остава най-надеждният източник за пълни, съответстващи на представянето финансови данни.

Изграждане на електронната таблица с времеви серии

След като имате данни за няколко години, създайте главна електронна таблица с години като колони и показатели като редове. Импортирайте данните за всяка година, проверете дали припокриващите се години съвпадат в отчетите, добавете изчислени редове за темпове на растеж и коефициенти и маркирайте всички преизчисления, които нарушават сравнимостта.

Проверки за качество: Потвърждаване на извлечените данни

Автоматизираното извличане е бързо, но винаги трябва да проверявате резултата. Годишните отчети съдържат вградени кръстосани проверки, които правят проверката лесна.

Уравнението на баланса

Най-фундаменталната проверка: Общо активи = Общо пасиви + Акционерен капитал.

Ако това уравнение не е изпълнено във вашите извлечени данни, нещо се е объркало. Или число е прочетено грешно, ред е пропуснат, или колоните са неправилно подравнени. Тази единствена проверка улавя голям процент от грешките при извличане.

Поток на отчета за доходите

Приходи минус всички разходи трябва да са равни на нетната печалба. Проверете аритметиката:

Приходи
- Себестойност на продадените стоки
= Брутна печалба
- Оперативни разходи
= Оперативна печалба
- Разходи за лихви
+ Приходи от лихви
- Данъчна провизия
= Нетна печалба

Ако междинните суми не се събират, прегледайте кои редове са пропуснати или извлечени грешно.

Съгласуване на паричния поток

Отчетът за паричните потоци започва с нетната печалба и завършва с промяната в паричните средства. Тази крайна промяна трябва да се съгласува с разликата между началните и крайните парични средства в баланса.

Начално салдо по парични средства (от баланса)
+ Нетна промяна в паричните средства (от отчета за паричните потоци)
= Крайно салдо по парични средства (от баланса)

Разумност и случайни проверки

Прегледайте извлечените данни за неправдоподобни стойности: приходи, променящи се с повече от 50% година за година, отрицателни общи активи, печалба на акция, която не съответства на нетната печалба, разделена на броя акции в обращение, или маржове извън индустриалните норми (90% нетна печалба в производството предполага грешка в десетичната запетая). След това изберете три до пет числа на случаен принцип, върнете се към оригиналния PDF и проверете дали съвпадат. Това отнема 30 секунди и улавя систематични грешки като извличане на данни от грешна колона.

Съвети за по-добри резултати при извличане

Използвайте дигитални годишни отчети, а не сканирани копия. Дигиталните PDF файлове се извличат много по-точно от сканирани документи. За публични компании в САЩ винаги изтегляйте от SEC EDGAR (документите са дигитални по дефиниция) или от страниците за връзки с инвеститорите на компанията. Избягвайте печатни отчети, сканирани обратно в PDF, и "лъскави" годишни отчети, пълни с изображения, предназначени за маркетинг.

Използвайте 10-K, а не "Годишен отчет за акционерите". Публичните компании често произвеждат както 10-K файл (стандартизирани финансови отчети), така и "Годишен отчет за акционерите" (маркетингов документ с лъскави снимки). 10-K има стандартизирано GAAP представяне, последователно форматиране на таблици, пълни бележки под линия и винаги е наличен като дигитален PDF от EDGAR.

Идентифицирайте отчетната единица преди извличане. В горната част на всеки финансов отчет има бележка като "в милиони, с изключение на сумите на акция" или "в хиляди". Ако пропуснете това, приход от "45 231" може да бъде 45,2 милиарда долара или 45,2 милиона долара. Винаги проверявайте и прилагайте правилния множител.

Обработвайте разлики във финансовата година. Не всички компании използват календарна финансова година. Apple завършва през септември, Walmart през януари, Microsoft през юни. Крайната дата на финансовата година е посочена в горната част на всеки финансов отчет.

Внимавайте за преизчисления. Когато компания преизчислява финансови данни за предходни години, преизчислените числа се появяват в годишния отчет за текущата година. Данните за 2024 г. в отчета за 2025 г. може да се различават от данните за 2024 г. в отчета за 2024 г. Винаги използвайте най-скоро преизчислените стойности при изграждане на времеви серии.

Първи стъпки

Извличането на данни от годишни отчети не трябва да бъде ръчен, податлив на грешки процес. Практическият работен процес: изтеглете 10-K от SEC EDGAR, качете го в инструмента Извличане на таблици или Анализатор на финансови отчети на PDFSub, прегледайте резултата, експортирайте в Excel или CSV, изпълнете описаните по-горе проверки за качество и импортирайте проверените данни във вашия финансов модел.

PDFSub предлага 7-дневен безплатен пробен период, така че можете да тествате инструментите за извличане с вашите реални годишни отчети. Опитайте с 10-K, който преди това сте извлекли ръчно, и сравнете резултатите - както точността, така и спестеното време.

За финансови професионалисти, които редовно обработват годишни отчети, автоматизираното извличане е конкурентно предимство. Анализаторът, който прекарва 5 минути в извличане на данни и 55 минути в анализ, ще надмине постоянно анализатора, който прекарва 55 минути в извличане и 5 минути в анализ.